基于WRF 的積云對(duì)流參數(shù)化方案對(duì)中國夏季降水預(yù)報(bào)的影響研究*

楊 揚(yáng) 盧 冰 王 薇 陳 敏 仲躋芹 魏 偉

1.北京城市氣象研究院，北京，100089

2.美國國家大氣研究中心，科羅拉多州博爾德，80307

3.中國氣象科學(xué)研究院災(zāi)害天氣國家重點(diǎn)實(shí)驗(yàn)室，北京，100081

1 引言

降水預(yù)報(bào)準(zhǔn)確度是評(píng)價(jià)數(shù)值天氣預(yù)報(bào)模式預(yù)報(bào)性能的關(guān)鍵指標(biāo)之一。盡管數(shù)值天氣預(yù)報(bào)模式在最近幾十年取得了很大的進(jìn)展，但是對(duì)降水強(qiáng)度和降水位置的準(zhǔn)確預(yù)報(bào)仍然是很大的挑戰(zhàn)，這與數(shù)值模式物理過程和初始條件等過程有關(guān)。積云對(duì)流過程是大氣中重要的濕過程之一，通過感熱、潛熱和動(dòng)量輸送影響大尺度的環(huán)流，進(jìn)而調(diào)整大氣的溫度和濕度場(chǎng)的垂直分布。積云對(duì)流參數(shù)化方案是考慮次網(wǎng)格尺度的深對(duì)流和淺對(duì)流積云效應(yīng)引入的，用來描述模式網(wǎng)格不能分辨的由上升氣流、下沉氣流和云外補(bǔ)償運(yùn)動(dòng)引起的熱量和水汽的變化，并在凝結(jié)時(shí)產(chǎn)生降水。Jankov 等（2005）比較了19 種不同參數(shù)化方案對(duì)降水模擬的影響，發(fā)現(xiàn)降水對(duì)積云對(duì)流參數(shù)化方案的選擇最為敏感。

由于積云對(duì)流參數(shù)化方案是在有限的觀測(cè)和理論基礎(chǔ)上采用多種假設(shè)形成參數(shù)化的處理方法，因此，不同的積云對(duì)流參數(shù)化方案對(duì)降水的模擬具有顯著的差異。隨著WRF（Weather Research and Forecasting）模式的不斷發(fā)展，提供了多種積云對(duì)流參數(shù)化方案可供選擇，但是這些方案在不同地區(qū)、針對(duì)不同的天氣氣候事件的模擬效果差異顯著（黃安寧等，2008）。劉偉光等（2019）利用WRF 模式對(duì)比了Kain-Fritsch（KF）和Grell-Freitas（GF）兩種積云對(duì)流參數(shù)化方案對(duì)東亞夏季降水的影響，結(jié)果表明KF 方案對(duì)西太平洋副熱帶高壓和環(huán)流以及降水的模擬比GF 方案更優(yōu)。李響（2012）利用WRF 模式對(duì)2003—2008 年的20 個(gè)西北太平洋臺(tái)風(fēng)的模擬試驗(yàn)表明，臺(tái)風(fēng)路徑與強(qiáng)度的模擬對(duì)積云對(duì)流參數(shù)化方案的選擇很敏感，采用KF 方案模擬的臺(tái)風(fēng)強(qiáng)度與觀測(cè)較為接近。而高元勇等（2019）利用美國國家大氣研究中心（NCAR）開發(fā)的全球非靜力平衡跨尺度預(yù)測(cè)模式（The Model for Prediction Across Scales-Atmosphere，MPAS-A）的研究指出，new Tiedtke 方案模擬的西北太平洋臺(tái)風(fēng)路徑和強(qiáng)度與觀測(cè)最為接近。對(duì)四川盆地的降水而言，KF 和Grell-Devenyi（GD）方案模擬的降水位置、強(qiáng)度與實(shí)況比較接近，但都不同程度地存在虛假的暴雨中心（屠妮妮等，2011）。吳勝剛等（2016）指出，采用GD 質(zhì)量通量方案對(duì)青藏高原南坡降水和大氣風(fēng)場(chǎng)的模擬效果優(yōu)于其他方案。

隨著計(jì)算能力的提升，數(shù)值天氣預(yù)報(bào)模式的分辨率也迅速提升。目前關(guān)于在數(shù)值模式中是否使用積云對(duì)流參數(shù)化方案的問題上，普遍認(rèn)為當(dāng)模式的分辨率足夠高時(shí)（例如小于4 km），網(wǎng)格距小于或接近對(duì)流系統(tǒng)的直徑，模式可以顯式地表達(dá)某些對(duì)流過程，從而不需要次網(wǎng)格的積云對(duì)流參數(shù)化方案（Arakawa，et al，2011）；當(dāng)網(wǎng)格距大于10 km 時(shí)，模式一般需要對(duì)流參數(shù)化方案來描述網(wǎng)格不可分辨的過程。然而，當(dāng)模式的分辨率介于二者之間時(shí)，許多對(duì)流參數(shù)化方案背后的理論假設(shè)不再適用，模式只能部分地解析對(duì)流過程，即存在對(duì)流參數(shù)化方案的“灰區(qū)”（Kuell，et al，2007；Hong，et al，2012；馬雷鳴等，2017）。然而，目前無法明確一個(gè)尺度閾值來區(qū)分可分辨尺度和參數(shù)化尺度，以保證參數(shù)化的假定條件是合理的。而目前業(yè)務(wù)運(yùn)行的高分辨率數(shù)值模式大多不足以顯式解析大氣中的各種對(duì)流過程。已有研究（Hong，et al，2012）指出，僅依靠模式動(dòng)力過程和微物理過程會(huì)使得對(duì)流發(fā)生偏晚偏強(qiáng)，而使用對(duì)流參數(shù)化方案可以更快地觸發(fā)對(duì)流，因此在對(duì)流初始化過程中包含對(duì)流參數(shù)化方案比僅采用微物理過程的預(yù)報(bào)性能更優(yōu)。同時(shí)，即使模式的水平分辨率高于3 km，模式對(duì)于對(duì)流過程中的卷入、卷出及垂直傳輸過程仍然難以準(zhǔn)確地顯式解析（趙晨陽等，2020）。

因此，隨模式分辨率變化而調(diào)整的物理過程，即尺度適應(yīng)的物理過程成為數(shù)值天氣預(yù)報(bào)模式發(fā)展的重要方向之一（Song，et al，2018；Majumdar，et al，2021）。Gomes 等（2010）通過在KF 積云對(duì)流參數(shù)化方案中引入依賴分辨率的參數(shù)，考慮了尺度適應(yīng)的對(duì)流過程。Zheng 等（2016）將對(duì)流時(shí)間尺度調(diào)整為與模式水平網(wǎng)格距相關(guān)的時(shí)間尺度，同時(shí)將夾卷率調(diào)整為依賴模式水平分辨率的夾卷，發(fā)展了尺度適應(yīng)的KF 積云對(duì)流參數(shù)化方案。趙晨陽等（2020）針對(duì)GRAPES_Meso（Global/Regional Assimilation and Prediction Enhanced System）模式，在KF Eta 積云對(duì)流參數(shù)化方案中引入了尺度適應(yīng)過程，通過對(duì)一次華南颮線過程的模擬表明，尺度適應(yīng)的KF Eta 方案對(duì)降水強(qiáng)度和落區(qū)的模擬具有正效果。張旭等（2017）引入次網(wǎng)格通量的尺度自適應(yīng)關(guān)系，結(jié)果表明，在3 km 分辨率下，減弱了原對(duì)流參數(shù)化中的對(duì)流加熱，從而改變臺(tái)風(fēng)強(qiáng)度和降水的分布。

已有的研究大多關(guān)注幾個(gè)參數(shù)化方案在特定環(huán)境下的一個(gè)或幾個(gè)個(gè)例中的表現(xiàn)及其影響。而面向業(yè)務(wù)數(shù)值預(yù)報(bào)系統(tǒng)的需要，基于較長(zhǎng)時(shí)間的模擬結(jié)果，客觀地評(píng)價(jià)多種積云對(duì)流參數(shù)化方案在數(shù)值模式中的表現(xiàn)的工作較少。文中針對(duì)這些問題，基于WRF 中尺度模式開展了2019 年6—8 月的批量模擬試驗(yàn)，研究5 種積云對(duì)流參數(shù)化方案對(duì)中國夏季降水的預(yù)報(bào)性能，以及次網(wǎng)格降水和網(wǎng)格解析降水的比例情況。特別關(guān)注更符合數(shù)值天氣預(yù)報(bào)精細(xì)化發(fā)展趨勢(shì)的尺度適應(yīng)積云對(duì)流參數(shù)化方案對(duì)降水預(yù)報(bào)的影響，最后給出了個(gè)例的試驗(yàn)結(jié)果進(jìn)行驗(yàn)證。

2 模擬試驗(yàn)設(shè)計(jì)和資料

2.1 模式和試驗(yàn)設(shè)計(jì)

為了評(píng)估積云對(duì)流參數(shù)化方案對(duì)中國降水模擬性能的影響，采用NCAR 發(fā)展的完全可壓縮非靜力中尺度WRF 模式，基于其3.8.1 版開展了5 組數(shù)值試驗(yàn)。試驗(yàn)的模擬區(qū)域如圖1 所示，水平分辨率為9 km，水平方向?yàn)?49×500 個(gè)格點(diǎn)，垂直層數(shù)為51 層。模擬時(shí)間為2019 年6 月1 日08 時(shí)（北京時(shí)，下同）—9 月1 日08 時(shí)，共3 個(gè)月。每天08 時(shí)采用歐洲中期天氣預(yù)報(bào)中心（ECMWF）的全球中期預(yù)報(bào)場(chǎng)（0.25°×0.25°）作為初始條件和側(cè)邊界條件進(jìn)行48 h 預(yù)報(bào)，邊界條件每12 h 更新一次。主要的物理方案包括RRTMG 短波和長(zhǎng)波輻射方案（Iacono，et al，2008）、YSU 邊界層方案（Hong，et al，2006）、Thompson 微物理方案（Thompson，et al，2008）和Noah 陸面模式（Chen，et al，2001；Ek，et al，2003），云輻射選項(xiàng)選1，并采用了北京師范大學(xué)發(fā)展的土壤屬性數(shù)據(jù)集修正后的水文參數(shù)表（Shangguan，et al，2014；盧冰等，2019）。同時(shí)，同化了中國常規(guī)觀測(cè)和雷達(dá)探測(cè)資料。選取WRF 模式中的5 種積云對(duì)流參數(shù)化方案進(jìn)行數(shù)值試驗(yàn)：KF 方案（Kain，et al，1993；Kain，2004）、尺度適應(yīng)的KF（Multi-scale Kain-Fritsch）方案（Zheng，et al，2016）、Tiedtke 方案（Tiedtke，1989）、new Tiedtke 方案（Bechtold，et al，2008,2014；Zhang，et al，2011）和NCAR 基于new Tiedtke 最新發(fā)展的尺度適應(yīng)new Tiedtke方案①Wang W.2021.Modeling convection with a scale-aware Tiedtke cumulus scheme at kilometer scales.私人通信。。上述5 種積云對(duì)流方案中，尺度適應(yīng)KF 方案和尺度適應(yīng)new Tiedtke 方案相比于原方案引入了模式水平分辨率的影響。具體來說，尺度適應(yīng)KF 方案是在原KF 方案中考慮了動(dòng)態(tài)調(diào)整的時(shí)間尺度以及依賴于尺度的基于抬升凝結(jié)高度的夾卷方法（Zheng，et al，2016）。而發(fā)展尺度適應(yīng)new Tiedtke 方案的目的是為了將來在不同的地區(qū)具有從幾千米到數(shù)十千米不等分辨率的MPAS 模式中進(jìn)行應(yīng)用。其參考尺度是15 km，當(dāng)模式網(wǎng)格距小于15 km 時(shí)，考慮尺度依賴的特征。尺度適應(yīng)new Tiedtke 方案相比new Tiedtke 方案，主要的改進(jìn)包括：（1）依賴于網(wǎng)格距的對(duì)流調(diào)整時(shí)間，（2）依賴于網(wǎng)格距的云水向雨水的轉(zhuǎn)化率，（3）當(dāng)氣層飽和時(shí)不激發(fā)中層對(duì)流。該方案目前還未包含在WRF 公開發(fā)布版本的積云對(duì)流參數(shù)化方案中，其簡(jiǎn)介可參考WRF 研討會(huì)文集（https://www2.mmm.ucar.edu/wrf/users/workshops/WS2018/oral_presentations/6.5.pdf）和AMS 會(huì)議文集（Wlit，et al，2020）。

圖1 模擬區(qū)域的范圍和地形高度（單位：m）的分布（紅色框代表華北區(qū)域和南方區(qū)域）Fig.1 Model domain and topography（unit：m）（red boxes denote areas in northern and southern China）

2.2 資料和評(píng)價(jià)指標(biāo)

文中所用的觀測(cè)資料為中國10000 多個(gè)自動(dòng)氣象站觀測(cè)的逐3 h 降水量。同時(shí)，為了定量評(píng)估數(shù)值試驗(yàn)的預(yù)報(bào)性能，將數(shù)值試驗(yàn)結(jié)果與自動(dòng)氣象站的觀測(cè)進(jìn)行站點(diǎn)對(duì)站點(diǎn)的對(duì)比，即將模擬的格點(diǎn)降水插值到站點(diǎn)上，對(duì)同一站點(diǎn)的模擬值和觀測(cè)值進(jìn)行比較。并采用TS（Threat Score）、BIAS、POD（Probability of Detection）、FAR（False Alarm Ratio）和SR（Success Ratio，1?FAR）等檢驗(yàn)指標(biāo)進(jìn)行評(píng)估，計(jì)算公式如下

式中，N1、N2、N3見表1。

表1 觀測(cè)和模式降水的對(duì)應(yīng)關(guān)系

TS 為預(yù)報(bào)的準(zhǔn)確程度，其值為0—1，TS 越高表明預(yù)報(bào)的準(zhǔn)確率越高。BIAS 衡量預(yù)報(bào)相對(duì)觀測(cè)的降水范圍，BIAS 大于1 表示模式對(duì)降水存在空?qǐng)?bào)，小于1 表示模式對(duì)降水存在漏報(bào)，F(xiàn)AR 為模式的虛警率。

3 不同積云對(duì)流參數(shù)化方案模擬的降水分析

3.1 降水的時(shí)、空分布特征

圖2 給出了站點(diǎn)觀測(cè)和采用不同的積云對(duì)流參數(shù)化方案模擬的平均24 h 累計(jì)降水量的空間分布特征，為了便于比較，將模擬的格點(diǎn)降水插值到站點(diǎn)上進(jìn)行對(duì)比。同時(shí)，考慮到雷達(dá)探測(cè)資料同化的影響在前幾小時(shí)較強(qiáng)，因此，為了減小雷達(dá)探測(cè)資料同化的影響，模擬的降水采用預(yù)報(bào)24—48 小時(shí)的結(jié)果。如圖2a 所示，夏季中國降水呈現(xiàn)出南多北少的分布特征，南方降水的大值中心位于華南和江南地區(qū)，24 h 平均累計(jì)降水量超過14 mm；此外，四川中部和北部以及東北區(qū)域也存在降水中心，24 h 降水量分別超過12 和8 mm。從模擬結(jié)果來看，幾種積云對(duì)流參數(shù)化方案均能反映南方的降水大值中心，但降水的分布形勢(shì)和強(qiáng)度的差異較大。模擬的降水量均比觀測(cè)強(qiáng)，特別是KF 方案和Tiedtke 方案，強(qiáng)降水范圍大、強(qiáng)度強(qiáng)。new Tiedtke方案相比Tiedtke 方案改善了廣西南部和廣東沿海地區(qū)降水的偏強(qiáng)程度，同時(shí)對(duì)浙江、江西和福建的雨帶位置也模擬得更為準(zhǔn)確。尺度適應(yīng)new Tiedtke方案進(jìn)一步改進(jìn)了兩廣、云南和四川的降水模擬。尺度適應(yīng)KF 方案對(duì)強(qiáng)降水中心的位置比KF 具有更好的刻畫能力，但加劇了四川東部降水的偏強(qiáng)程度。總的來看，無論對(duì)于KF 方案還是new Tiedtke方案，尺度適應(yīng)版本比原始版本對(duì)夏季降水，特別是強(qiáng)降水中心的強(qiáng)度和落區(qū)具有更強(qiáng)的表達(dá)能力。趙晨陽等（2020）利用GRAPES_Meso 模式也指出尺度適應(yīng)KF Eta 方案比原方案對(duì)華南颮線過程引起的降水具有更好的模擬效果。

圖2 2019 年6—8 月平均的站點(diǎn)（a）觀測(cè)和采用（b）KF 方案、（c）尺度適應(yīng)KF 方案、（d）Tiedtke 方案、（e）new Tiedtke 方案和（f）尺度適應(yīng)new Tiedtke 方案模擬的24 h 累計(jì)降水量Fig.2 24 h accumulated precipitation from（a）observations and model simulations using（b）KF，（c）multi-scale KF，（d）Tiedtke，（e）new Tiedtke and（f）scale-aware new Tiedtke cumulus parameterization schemes averaged during June—August 2019

降水的日變化直接影響地表水循環(huán)和氣溫變化，包括土壤濕度、蒸發(fā)、潛熱等過程。在數(shù)值模式中，它與大尺度環(huán)境和參數(shù)化對(duì)流過程的相互作用、云和降水過程等緊密聯(lián)系。因此，降水日變化是檢驗(yàn)數(shù)值模式模擬能力的重要評(píng)估指標(biāo)之一（Dai，et al，1999）。圖3 給出了采用不同積云對(duì)流參數(shù)化方案模擬的華北區(qū)域和南方區(qū)域平均的逐3 h 降水演變。結(jié)果表明，兩個(gè)尺度適應(yīng)積云對(duì)流參數(shù)化方案較好地反映了華北地區(qū)夏季降水的日變化特征（圖3a），特別是正確再現(xiàn)了午后的降水峰值時(shí)間（17 時(shí)）。同時(shí)，尺度適應(yīng)new Tiedtke 方案（0.54 mm）和尺度適應(yīng)KF 方案（0.55 mm）模擬的峰值時(shí)的降水量也更接近觀測(cè)（0.50 mm）。而KF 方案、Tiedtke 方案和new Tiedtke 方案模擬的降水日峰值均比觀測(cè)提前，出現(xiàn)在14 時(shí)。對(duì)于降水更強(qiáng)的南方區(qū)域（圖3b），KF 系列的兩個(gè)方案能反映17 時(shí)的降水峰值時(shí)間；在Tiedtke 系列的方案中，僅尺度適應(yīng)new Tiedtke 方案能正確再現(xiàn)南方的降水峰值時(shí)間，其他兩種方案模擬的降水日峰值均比觀測(cè)提前。對(duì)于華南降水峰值降水量，尺度適應(yīng)new Tiedtke 方案、KF 方案和尺度適應(yīng)KF 方案均出現(xiàn)高估，其中尺度適應(yīng)KF 方案（1.17 mm）最接近觀測(cè)（0.99 mm）。

圖3 2019 年6—8 月平均的（a）華北區(qū)域和（b）南方區(qū)域平均的觀測(cè)（黑線）和采用不同積云對(duì)流參數(shù)化方案模擬（彩色線）的逐3 h 降水量（單位：mm）Fig.3 Area-averaged 3 h precipitation（unit：mm）over（a）northern China and（b）southern China from in-situ observations（black line）and model simulations using different cumulus parameterization schemes（color lines）during June—August 2019

進(jìn)一步對(duì)降水的概率分布分析表明，無論在華北地區(qū)或是南方地區(qū)，模式模擬的20 mm/d 以下的降水頻次幾乎均偏高（圖4a、b）。其中，KF 方案和new Tiedtke 方案高估最嚴(yán)重，而上述兩個(gè)方案的尺度適應(yīng)版本則明顯降低了偏高的程度，更接近觀測(cè)，特別是華北地區(qū)。如圖4a、d 所示，20—50 mm/d的特征與0—20 mm/d 的類似，而高于50 mm/d 的大量級(jí)降水則相反，KF 方案和new Tiedtke 方案則更接近觀測(cè)，其尺度適應(yīng)方案高估了大量級(jí)降水的頻率，特別是尺度適應(yīng)KF 方案，Tiedtke 方案則介于二者之間。這表明，相比KF 和new Tiedtke 方案，其尺度適應(yīng)方案降低了中小量級(jí)降水的頻率，提高了大量級(jí)降水的頻率。

圖4 2019 年6—8 月平均的（a、c）華北區(qū)域和（b、d）南方區(qū)域平均的觀測(cè)（黑線）和采用不同積云對(duì)流參數(shù)化方案模擬（彩色線）的降水率的概率分布，（a、b.0—20 mm/d 降水，c、d.20 mm/d 以上的降水）Fig.4 Frequency distributions of precipitation rate of（a，b）0—20 mm/d and（c，d）higher than 20 mm/d over（a，c）northern China and（b，d）southern China from in-situ observations（black line）and model simulations using different cumulus parameterization schemes（colors line）averaged during June—August 2019

3.2 積云降水和微物理降水的對(duì)比

為了進(jìn)一步分析不同積云對(duì)流參數(shù)化方案對(duì)降水模擬的影響，本節(jié)考察次網(wǎng)格的積云降水與網(wǎng)格可分辨的微物理過程降水的分布特征及其對(duì)總降水的貢獻(xiàn)情況。如圖5a—c、j—l 所示，KF 和new Tiedtke 積云對(duì)流方案試驗(yàn)中的總降水主要由次網(wǎng)格的積云降水所主導(dǎo)，特別是在南方、東北以及海洋上。而上述兩種方案的尺度適應(yīng)版本（圖5d—f、m—o）則相反，總降水由網(wǎng)格可分辨的微物理過程降水主導(dǎo)。具體來說，尺度適應(yīng)KF 方案中，無論在陸地上還是海洋上，微物理降水都起主導(dǎo)作用；而尺度適應(yīng)new Tiedtke 方案中陸地上的降水，包括南方、四川、東北以及青藏高原南麓的降水由微物理過程主導(dǎo)，中國南海和北印度洋上的降水主要由積云對(duì)流降水貢獻(xiàn)。而Tiedtke 方案（圖5g—i）則介于new Tiedtke 方案和尺度適應(yīng)new Tiedtke方案之間。對(duì)比圖2 中模擬和觀測(cè)降水量分布，表明微物理過程主導(dǎo)的尺度適應(yīng)方案對(duì)降水空間分布特征具有更好的模擬能力。

圖5 2019 年6—8 月平均的采用不同積云對(duì)流參數(shù)化方案模擬的24 h 總降水量（a、d、g、j、m）、積云對(duì)流過程引起的降水（b、e、h、k、n）和微物理過程引起的降水（c、f、i、l、o）Fig.5 24 h accumulated total precipitation（a，d，g，j，m），convective precipitation（b，e，h，k，n）and precipitation due to microphysics（c，f，i，l，o）from model simulations using different cumulus parameterization schemes averaged during June—August 2019

圖6 以南方區(qū)域?yàn)槔?，進(jìn)一步定量地給出不同積云對(duì)流方案中積云降水占總降水的百分比。結(jié)果表明，除了KF 方案，所有的積云對(duì)流參數(shù)化方案的試驗(yàn)中，隨著降水強(qiáng)度的升高，積云降水的占比逐漸降低。具體來說，隨著降水率升高到25—50 mm/d，兩個(gè)尺度適應(yīng)方案中積云降水占總降水的比例迅速下降到30%以下，對(duì)于量級(jí)為50 mm/d 以上的降水，積云降水占總降水的百分比降低到15%以下。在Tiedtke 和new Tiedtke 方案試驗(yàn)中，積云降水占比隨降水率升高的減小速度相對(duì)較慢，特別是new Tiedtke 方案，當(dāng)降水率超過100 mm/d時(shí)，微物理過程的降水才逐漸超過積云降水，起主導(dǎo)作用。與上述4 種方案積云降水比例隨降水率升高單調(diào)遞減的趨勢(shì)不同，KF 方案積云占總降水的比例為單峰分布，在量級(jí)為25 mm/d 以下的降水中，隨著降水率的升高，積云對(duì)總降水的貢獻(xiàn)百分比逐步升高到90%。對(duì)比KF 方案和new Tiedtke方案與其尺度適應(yīng)版本可以發(fā)現(xiàn)，尺度適應(yīng)積云對(duì)流參數(shù)化方案中，對(duì)于中到大量級(jí)降水更傾向于由模式解析的微物理過程主導(dǎo)，這也進(jìn)一步印證了圖5的結(jié)論。

圖6 2019 年6—8 月南方區(qū)域平均的采用不同積云對(duì)流參數(shù)化方案的試驗(yàn)中積云降水占總降水的百分比Fig.6 Simulated percentages of convective precipitation over total precipitation using different cumulus parameterization schemes averaged over southern China during June—August 2019

3.3 降水評(píng)分

為了便于在業(yè)務(wù)模式中的應(yīng)用，進(jìn)一步統(tǒng)計(jì)了不同積云對(duì)流參數(shù)化方案對(duì)降水的預(yù)報(bào)效果，圖7給出了各試驗(yàn)對(duì)不同量級(jí)降水的逐3 h 預(yù)報(bào)的評(píng)分對(duì)比。如圖7a、e 所示，所有試驗(yàn)對(duì)0.1 mm 的降水都存在空?qǐng)?bào)，尤其是白天，其中Tiedtke 方案空?qǐng)?bào)最少，因而TS 評(píng)分也最高。相比KF 方案和new Tiedtke方案，兩種方案的尺度適應(yīng)版本都減少了空?qǐng)?bào)，特別是尺度適應(yīng)new Tiedtke 方案，有助于提高0.1 mm/d 量級(jí)降水的TS。對(duì)于5 和10 mm/d 量級(jí)的降水，兩個(gè)尺度適應(yīng)方案的BIAS 最接近1，TS 也較高（圖7b—g）。對(duì)于25 mm/d 以上的降水，KF 和new Tiedtke 方案的試驗(yàn)幾乎全天都存在漏報(bào)現(xiàn)象（圖7h），二者的尺度適應(yīng)版本均顯著縮小了模式對(duì)25 mm/d 降水的BIAS，從而提高了全天的TS。從24 h 降水評(píng)分來看（圖8），尺度適應(yīng)KF 方案和new Tiedtke 方案有助于減少小量級(jí)降水的空?qǐng)?bào)。同時(shí)，尺度適應(yīng)new Tiedtke 和Tiedtke 方案的BIAS 最接近1，說明預(yù)報(bào)降水的區(qū)域和觀測(cè)最為接近。兩個(gè)尺度適應(yīng)方案中的0.1 mm/d 到25 mm/d的降水TS 均高于原始的KF 和new Tiedtke 方案。

圖7 2019 年6—8 月平均的逐3 h 的（a、e）0.1 mm/d、（b、f）5.0 mm/d、（c、g）10.0 mm/d 和（d、h）25.0 mm/d降水的TS（a—d）和BIAS（e—h）Fig.7 Averaged TS（a—d）and BIAS（e—h）for 3 h accumulated precipitation for the thresholds of（a，e）0.1 mm/d，（b，f）5.0 mm/d，（c，g）10.0 mm/d and（d，h）25.0 mm/d during June—August 2019

圖8 2019 年6—8 月平均的24 h 累計(jì)降水評(píng)分（曲線：TS，虛線：BIAS）Fig.8 Performance diagram of 24 h accumulated precipitation for different thresholds during June—August，2019（The curved line：TS，the dashed line：BIAS）

3.4 個(gè)例分析

為了進(jìn)一步檢驗(yàn)5 種積云對(duì)流參數(shù)化方案的降水預(yù)報(bào)效果，給出了2019 年7 月12 日的一次典型的降水個(gè)例的結(jié)果。如圖9a 所示，該過程降水覆蓋范圍較廣，覆蓋了南方大部分地區(qū)，雨帶位于江南地區(qū)和四川、貴州與廣西北部一帶。對(duì)比模擬結(jié)果和實(shí)況，幾種對(duì)流參數(shù)化方案的試驗(yàn)對(duì)江南的雨帶均具有較好的模擬能力，但對(duì)降水中心的強(qiáng)度和位置預(yù)報(bào)有所不同。KF 方案和new Tiedtke 方案試驗(yàn)對(duì)安徽、江西和浙江交界處的強(qiáng)降水范圍比實(shí)況小，且new Tiedtke 方案模擬的位置偏北，而尺度適應(yīng)KF 方案、尺度適應(yīng)new Tiedtke 方案預(yù)報(bào)的降水量級(jí)則更強(qiáng)，降水量超過100 mm 的區(qū)域更大，與實(shí)況更加吻合。同時(shí)，KF 方案和new Tiedtke 方案在福建存在過量的虛假降水，尺度適應(yīng)方案對(duì)上述偏差有較好的改善。對(duì)于四川東南部、貴州西部的雨帶，尺度適應(yīng)KF 方案、Tiedtke 方案和尺度適應(yīng)new Tiedtke 方案模擬的雨帶位置與實(shí)況一致，具有較好的指示意義。KF 方案試驗(yàn)則漏報(bào)了貴州西南部的降水，而new Tiedtke 方案對(duì)貴州西部的降水模擬偏弱?？偟膩砜?，個(gè)例的分析和前文批量試驗(yàn)的結(jié)論一致，尺度適應(yīng)積云對(duì)流方案有利于提高大量級(jí)降水的降水量，且一定程度上減少中、小量級(jí)的虛假降水，有利于改善降水量的預(yù)報(bào)。

圖9 2019 年7 月12 日08 時(shí)—13 日08 時(shí)南方區(qū)域的24 h 累計(jì)降水（a.實(shí)況，b.KF 方案，c.尺度適應(yīng)KF 方案，d.Tiedtke 方案，e.new Tiedtke 方案，f.尺度適應(yīng)new Tiedtke 方案）Fig.9 24 h accumulated precipitation of（a）observations and model simulations using（b）KF，（c）multi-scale KF，（d）Tiedtke，（e）new Tiedtke and（f）scale-aware new Tiedtke cumulus parameterization scheme from 08：00 BT 12 to 08：00 BT 13 July 2019

圖10 進(jìn)一步給出了不同試驗(yàn)中積云對(duì)流過程和微物理過程分別對(duì)位溫傾向和水汽傾向的貢獻(xiàn)。如圖10a、b 所示，積云對(duì)流過程幾乎對(duì)整層大氣均為加熱效應(yīng)，其峰值位于對(duì)流層中層；而微物理過程貢獻(xiàn)的加熱峰值位于對(duì)流層高層，在對(duì)流層低層表現(xiàn)為弱的冷卻貢獻(xiàn)。將尺度適應(yīng)的積云對(duì)流參數(shù)化方案（尺度適應(yīng)KF 方案和尺度適應(yīng)new Tiedtke 方案）與其原始方案（KF 方案和new Tiedtke 方案）進(jìn)行對(duì)比可以看出，尺度適應(yīng)方案中積云對(duì)流的加熱貢獻(xiàn)更弱，而微物理過程的加熱貢獻(xiàn)更強(qiáng)。其中，尺度適應(yīng)KF 方案中積云對(duì)流過程（微物理過程）的加熱貢獻(xiàn)最弱（強(qiáng)）。類似地，不同方案對(duì)水汽轉(zhuǎn)化的貢獻(xiàn)有類似表現(xiàn)（圖10c、d），即尺度適應(yīng)的方案中積云對(duì)流過程水汽轉(zhuǎn)化的貢獻(xiàn)更弱，而微物理過程水汽轉(zhuǎn)化的貢獻(xiàn)更強(qiáng)。這也進(jìn)一步驗(yàn)證前文中的尺度適應(yīng)方案中積云降水在總降水中占比下降的結(jié)論。

圖10 2019 年7 月12 日08 時(shí)—13 日08 時(shí)南方區(qū)域平均的不同試驗(yàn)中（a）積云對(duì)流過程和（b）微物理過程貢獻(xiàn)的位溫傾向，（c、d）同（a、b），但為水汽傾向Fig.10 Model tendencies of potential temperature from（a）cumulus and（b）microphysics averaged over southern China denoted in Fig.9 and during 08：00 BT 12 to 08：00 BT 13 July 2019；（c，d）Same as（a，b）but for water vapor mixing ratio

4 總結(jié)與討論

基于水平分辨率為9 km 的WRF 中尺度模式，對(duì)比了KF 方案、尺度適應(yīng)KF 方案、Tiedtke 方案、new Tiedtke 方案以及NCAR 最新研發(fā)的尺度適應(yīng)new Tiedtke 等5 種積云對(duì)流參數(shù)化方案對(duì)中國2019 年夏季降水預(yù)報(bào)的影響，得到以下結(jié)論：

（1）尺度適應(yīng)方案（尺度適應(yīng)KF 方案和尺度適應(yīng)new Tiedtke 方案）對(duì)夏季平均降水的量級(jí)和落區(qū)的預(yù)報(bào)比原方案（KF 方案和new Tiedtke 方案）更優(yōu)。且能夠較好地反映降水的日變化特征。而Tiedtke 方案和new Tiedtke 方案無論對(duì)北方或是南方，均提前了日降水峰值時(shí)間，KF 方案僅能再現(xiàn)南方的降水峰值時(shí)間。降水概率分布方面，相比原KF 和new Tiedtke 方案，其尺度適應(yīng)方案降低了中、小量級(jí)的降水頻率，提高了大量級(jí)降水頻率。對(duì)50 mm/d 以下的降水頻次，兩個(gè)尺度適應(yīng)方案相對(duì)更接近觀測(cè)，但高估了50 mm/d 以上的降水頻次。

（2）次網(wǎng)格的積云降水與網(wǎng)格可分辨的微物理過程降水對(duì)比表明，KF 和new Tiedtke 方案試驗(yàn)中的總降水主要由次網(wǎng)格積云降水主導(dǎo)，而兩種方案的尺度適應(yīng)版本則由微物理過程降水主導(dǎo)。隨著降水率的升高，兩個(gè)尺度適應(yīng)方案中積云降水占總降水的比例迅速減小到30%以下，對(duì)50 mm/d 以上的降水，積云降水占總降水的比例小于15%。而KF 方案對(duì)25 mm/d 以下的降水隨著降水率的升高，積云降水占比反而提高。

（3）從統(tǒng)計(jì)評(píng)分來看，所有試驗(yàn)對(duì)0.1 mm/d 的降水都存在空?qǐng)?bào)，其中Tiedtke 方案空?qǐng)?bào)最少。同時(shí)，尺度適應(yīng)方案有助于降低小量級(jí)降水的空?qǐng)?bào)和大量級(jí)降水的漏報(bào)。尺度適應(yīng)KF 方案和尺度適應(yīng)new Tiedtke 方案對(duì)于0.1 mm/d 到25 mm/d 降水的TS 均高于原始的KF 和new Tiedtke 方案。

文中探討了WRF 中積云對(duì)流參數(shù)化方案對(duì)中國夏季降水預(yù)報(bào)的影響，并對(duì)比了尺度適應(yīng)方案與原始版本的預(yù)報(bào)效果，得到了一些初步的結(jié)論，為業(yè)務(wù)模式中積云對(duì)流參數(shù)化方案的選擇提供了參考。但積云對(duì)流參數(shù)化方案在不同分辨率下的表現(xiàn)，以及在“灰區(qū)”的應(yīng)用問題仍有待進(jìn)一步研究。同時(shí)，數(shù)值模式中降水過程的預(yù)報(bào)不僅與積云對(duì)流參數(shù)化方案有關(guān)，也與其他物理過程（例如微物理過程、陸面過程）等密切相關(guān)。因此，提高數(shù)值模式對(duì)降水的預(yù)報(bào)準(zhǔn)確率，還需要進(jìn)一步的探索和研究。